000			02158nam a22002537a 4500
003			MX-MeUAM
005			20240219120909.0
008			240219s2024 mx aod|gr|||| 001 0 spa d
020			_a9786075761626
040			_bspa _dMX-MeUAM
041	0		_hspa
050		4	_aQ335 _bS58 2024
245	1	0	_aSistemas de aprendizaje automático / _cEmilio Soria Olivas ... [et al.]
250			_a1a ed.
260			_aCiudad de México : _bAlfaomega, _bRa-ma, _c2024.
300			_a259 p. : _bil. ; fot. ; graf. ; _c24 cm.
504			_aIncluye referencias bibliográficas e índice.
520			_aEl presente libro tiene una clara vocación didáctica, se dirige a todas las personas que quieren adentrarse en el apasionante campo del aprendizaje automático combinando la teórica con la práctica para que sea sencillo asimilar las explicaciones. En esta obra se revisan los algoritmos más comunes y su implementación en Python. Comienza con una introducción a las claves que han impulsado nuestra sociedad hacia “la era de los datos” y explora cómo, mediante técnicas de aprendizaje automático, obtener partido a la inmensa cantidad de datos que hoy nos rodea. A continuación, se presenta el aprendizaje no supervisado con sus principales algoritmos y usos: agrupamiento, manifolds, reglas de asociación y algoritmos de detección de anomalías. Le sigue el aprendizaje supervisado; partiendo del modelo más simple, modelo lineal multivariante, se llega a las Máquinas de Soporte Vectorial (SVM). Finaliza con el aprendizaje profundo (gran parte de lo que denominamos Inteligencia Artificial) donde se explican, de una manera sencilla e intuitiva, los perceptrones multicapa profundos, las redes convolucionales profundas (CNN) y los modelos recurrentes Long Short Term Memory (LSTM). Esta obra contiene numerosas aplicaciones prácticas con su código Python que podrá descargar desde la web del libro.
546			_8Español.
650		4	_2lemb _aInteligencia artificial _xAspectos sociales .
650		4	_aInteligencia artificial: modelos matemáticos.
700	1		_932581 _aSoria Olivas, Emilio, _d1969- _ecoaut.
942			_cLIBRO
999			_c264326 _d264325